EDCCS 团队入围 SCAN 2026 区块链追踪决赛

EDCCS 是一支由四名中国大学生组成的团队，入围了定于 9 月 28 日在首尔举行的 SCAN 2026 区块链追踪竞赛决赛。这支由三所不同大学学生组成的团队——东北大学秦皇岛分校、河南财经政法大学和成都信息工程大学——从包含 416 支队伍和 754 名参赛者的预选赛中晋级。他们首次参加区块链调查竞赛，凭借改编自传统网络安全 CTF（夺旗赛）竞赛的方法取得了入围资格。SCAN 2026 由数字资产信息公司 Diasset 主办，并由全球区块链数据平台 Chainalysis 担任 CTF 合作伙伴，旨在提升数字资产网络安全和调查能力。

EDCCS 由三所中国大学的学生组队

EDCCS 因对网络安全和安全竞赛的共同兴趣，将来自不同院校的学生联合起来。其中两名成员就读于东北大学秦皇岛分校，一名就读于河南财经政法大学，另一名就读于成都信息工程大学。团队成员拥有相互重叠的技术背景，而非明确的角色分工。他们的经验来自 CTF 竞赛、漏洞研究、工具开发和工程实施。面对不熟悉的技术问题时，团队会迅速确定所需的信息和能力，然后创建或修改工具，以简化问题解决流程。

团队首次参加区块链竞赛便入围决赛

鉴于这是首次参加区块链调查竞赛，EDCCS 对能够进入决赛感到意外。这一资格验证了他们将通过 CTF 培养的能力应用于链上调查的能力，包括在陌生环境中快速学习、提取信息、实现任务自动化、形成假设并进行验证。团队在预选赛中没有发现某一个极其困难的问题。相反，对区块链调查领域本身的不熟悉才是主要挑战。数据来源、交易结构、术语和调查方法起初都显得陌生。

EDCCS 将 CTF 方法应用于区块链调查

团队采用了与接触新的 CTF 类别时完全相同的方法来应对陌生感。他们首先确定每道题具体要求什么，整理得出答案所需的信息，找到合适的数据来源和工具，然后将调查和验证流程自动化。当某种方法无法提供足够证据时，他们会改变搜索方向、使用其他来源，或通过不同路径验证结论。这种方法优先考虑快速适应和迭代验证，而不是依赖此前对特定区块链调查平台的经验。

团队部署基于 AI 的数据分析自动化

基于 AI 的自动化占据了团队工作流程的很大一部分。EDCCS 使用 AI 工具不仅仅是为了回答单个问题，还将其作为更广泛调查和分析工作流程的组成部分。面对题目时，团队会配置 AI 工具搜索相关信息、访问可用数据源、查询 API、分析返回结果、推导可能的解释，并交叉验证候选答案。在预选赛开始前，团队提前获取了多个预计在竞赛中有用的 API 和数据源。这项准备扩展了基于 AI 的工作流程可使用的能力，使其能够应对简单网络搜索无法获取的信息。

团队成员的角色主要集中于构建和调整工作流程——决定使用哪些工具和信息，在结果可靠性不足时改进流程，并在必要时直接验证关键结论。团队将重复性的搜索、查询、解析和验证任务自动化，而不是手动执行相同操作。他们将 AI 视为一个自动化层，把搜索、工具使用、数据分析和验证整合到统一的问题解决流程中，而不是简单的聊天机器人。

EDCCS 将快速适应视为核心优势

EDCCS 认为，他们最大的优势在于能够快速适应不熟悉的技术问题，并将问题解决流程转化为工程化工作流。CTF 和漏洞研究经验让团队学会在技术、预期解决方法，甚至最终有用的工具都尚不明确的情况下开展工作。他们学会在解决问题的过程中获取必要知识，并在需要时迅速转换方向。团队不仅会问“如何手动解决这个问题”，还会问“这个流程有多少部分可以交给工具解决”。这种方法涵盖信息收集、API 查询、数据处理、假设生成和答案验证。减少重复性的手动工作后，团队便能更加关注整体解决方案策略的正确性。

团队完善 AI 工作流程以准备决赛

EDCCS 不计划彻底改变已在预选赛中证明有效的方法。相反，准备工作重点在于完善方法论，使其更加可靠并适用于决赛。其中一个方向是改进基于 AI 的工作流程——如何连接不同的工具、API 和数据源，以及如何交叉验证多个来源的结果。团队还为特定 API 或信息源不可用、不完整或不一致的情况做准备。建立获取和验证信息的替代方法，有助于增强工作流程在时间限制下的稳健性。同时，成员们进一步熟悉区块链交易结构、常见资金流模式和调查方法。这项准备旨在减少竞赛期间需要临时掌握的基础领域知识。

关于潜在的奖金，团队表示，胜利本身比奖金更重要。作为首次参加此类竞赛的选手，如果能在与全球队伍的竞争中取得优异表现，将为他们继续探索这一领域提供宝贵经验和动力。如果获胜，团队计划将部分奖金用于未来的安全研究、参加 CTF、技术基础设施建设以及即将开展项目的工具开发。

常见问题

EDCCS 使用了什么方法入围 SCAN 2026 决赛？

尽管首次参加该领域的竞赛，EDCCS 仍将传统 CTF（夺旗赛）竞赛方法应用于区块链调查。团队确定题目要求，整理必要信息，找到合适的数据来源和工具，然后将调查和验证流程自动化。当某种方法被证明不足时，他们会改变搜索方向或使用其他来源进行验证。

EDCCS 如何在 SCAN 2026 预选赛中使用 AI 工具？

团队将基于 AI 的自动化部署为更广泛调查工作流程的组成部分，而不是简单的问答工具。AI 工具负责搜索相关信息、访问数据源、查询 API、分析结果、推导解释并交叉验证候选答案。预选赛前，EDCCS 提前获取了多个 API 和数据源，使基于 AI 的工作流程能够超越简单网络搜索，获得更广泛的能力。

EDCCS 为 9 月 28 日的决赛做了哪些准备？

EDCCS 重点完善基于 AI 的工作流程，改进不同工具、API 和数据源之间的连接，并加强对多个来源结果的交叉验证。团队准备了在特定来源不可用或不一致时获取和验证信息的替代方法。成员们还进一步熟悉区块链交易结构、资金流模式和调查方法，以减少竞赛期间需要临时掌握的基础领域知识。